CN117743695B - 一种职业培训课程推荐方法、装置、电子设备及存储介质 - Google Patents
一种职业培训课程推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN117743695B CN117743695B CN202410176276.9A CN202410176276A CN117743695B CN 117743695 B CN117743695 B CN 117743695B CN 202410176276 A CN202410176276 A CN 202410176276A CN 117743695 B CN117743695 B CN 117743695B
- Authority
- CN
- China
- Prior art keywords
- training course
- vocational training
- target user
- video list
- vocational
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000001755 vocal effect Effects 0.000 title claims abstract description 276
- 238000012549 training Methods 0.000 title claims abstract description 263
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012545 processing Methods 0.000 claims abstract description 61
- 230000008450 motivation Effects 0.000 claims abstract description 53
- 238000007405 data analysis Methods 0.000 claims abstract description 29
- 238000012216 screening Methods 0.000 claims abstract description 27
- 238000001914 filtration Methods 0.000 claims abstract description 23
- 238000010276 construction Methods 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 claims description 16
- 230000006399 behavior Effects 0.000 claims description 12
- 238000012482 interaction analysis Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Electrically Operated Instructional Devices (AREA)
Abstract
本申请提供了一种职业培训课程推荐方法、装置、电子设备及存储介质，方法包括：对目标用户的数据进行数据分析，生成目标用户的画像；在业务知识图谱以及多个数据表中筛选出目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、学习动机信息相对应的第二职业培训课程视频列表以及岗位专业能力要求信息相对应的第三职业培训课程视频列表；对第一职业培训课程视频列表、第二职业培训课程视频列表以及第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向目标用户进行推荐的目标职业培训课程视频。为企业培训的个性化学习提供了一种更优的推荐策略，避免了同质化的推荐内容，实现了千人千面的推荐结果。
Description
技术领域
本申请涉及课程推荐技术领域，尤其是涉及一种职业培训课程推荐方法、装置、电子设备及存储介质。
背景技术
在当前数字化时代，职业教育培训机构或企业大学纷纷走向数字化转型，将传统的线下企业培训转移到线上，并开设了众多的在线课程。在线课程系统需要具备个性化推荐功能，然而，传统的个性化推荐系统往往依赖于基于简单的用户行为数据、兴趣爱好进行推荐，并没有深入到实际业务需要进行推荐，以至于推荐效果不佳。所以如何提高职业培训课程推荐的准确性成为了不容小觑的技术问题。
发明内容
有鉴于此，本申请的目的在于提供一种职业培训课程推荐方法、装置、电子设备及存储介质，通过根据兴趣爱好标签、学习动机信息以及岗位专业能力要求信息确定出目标用户的课程视频列表，从而使职业培训课程的推荐更准确，为企业培训的个性化学习提供了一种更优的推荐策略，避免了同质化的推荐内容，实现了千人千面的推荐结果。
本申请实施例提供了一种职业培训课程推荐方法，所述职业培训课程推荐方法包括：
在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；
在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；
对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频。
在一种可能的实施方式之中，对所述目标用户的数据进行数据分析，生成所述目标用户的画像，包括：
基于目标用户的基础信息数据，生成所述目标用户的基础信息标签；
对所述目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出所述目标用户的兴趣爱好标签；
对所述目标用户的数据进行学习记录数据分析以及在线课程参与情况数据分析，确定出所述目标用户的学习统计标签；其中，所述学习统计标签反映所述目标用户的学习习惯、学习能力以及学习成果；
基于所述目标用户的学习统计标签以及所述目标用户的学习记录，确定出所述目标用户的学习趋势标签；其中，所述学习趋势标签反映所述目标用户的学习速度以及学习重点；
基于所述目标用户的职业背景、工作经历和以及所述学习记录，确定出所述目标用户的职业晋升路径标签；其中，所述职业晋升路径标签反映所述目标用户在职业发展中的职位晋升、所述岗位专业能力要求信息以及所述学习动机信息；
将所述基础信息标签、所述兴趣爱好标签、所述学习统计标签、所述学习趋势标签以及所述职业晋升路径标签进行内容整合，生成所述目标用户的画像。
在一种可能的实施方式之中，在所述对所述目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出所述目标用户的兴趣爱好标签之后，所述职业培训课程推荐方法还包括：
将第一偏好相对应的兴趣爱好标签展示在所述目标用户的画像中的兴趣爱好标签展示区域的中心位置并设定第一显示字号进行显示，将第二偏好相对应的兴趣爱好标签展示在所述第一偏好相对应的兴趣爱好标签的周围并设定第二显示字号，将第三偏好相对应的兴趣爱好标签展示在第二偏好相对应的兴趣爱好标签的周围并设定第三显示字号，以此类推，直至展示完所有的兴趣爱好标签；
其中，所述第一偏好、所述第二偏好以及所述第三偏好依次减小。
在一种可能的实施方式之中，在所述基于所述目标用户的职业背景、工作经历和以及所述学习记录，确定出所述目标用户的职业晋升路径标签之后，所述职业培训课程推荐方法还包括：
基于企业业务数据确定出所述目标用户的下一级岗位晋级等级，以及所述下一级岗位晋级等级的晋升要求信息；其中，所述晋升要求信息包括理论考试要求信息以及技能实操要求信息。
在一种可能的实施方式之中，所述在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表，包括：
在多个所述数据表中的课程资源数据表筛选出与所述兴趣爱好标签相一致的多个课程视频，将多个所述课程视频构成所述第一职业培训课程视频列表；
在所述课程资源数据表中基于所述岗位专业能力要求信息以及所述目标用户的必学课程内容信息筛选出所述学习动机信息相对应的第二职业培训课程视频列表；
在所述业务知识图谱中确定出所述岗位专业能力要求信息相对应的所述第三职业培训课程视频列表。
在一种可能的实施方式之中，所述对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频，包括：
对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理，确定出去重后的职业培训课程视频列表；
对去重后的职业培训课程视频列表中已经学完的课程视频进行过滤，确定出候选职业培训课程视频列表；
对候选职业培训课程视频列表中的课程视频在所述兴趣爱好标签、所述学习动机信息以及所述岗位专业能力要求信息的三个维度上进行课程打分处理，确定出候选职业培训课程视频列表中的课程视频在三个维度上的总分数；
若所述总分数大于预设分数阈值，则将该总分数相对应的候选职业培训课程视频列表中的课程视频确定为所述目标职业培训课程视频。
在一种可能的实施方式之中，通过以下方式建立所述业务知识图谱：
对企业的岗位专业能力发文资料、课程视频的结构化资料以及课程视频的非结构化资料通过自顶向下方式和自底向上方式构建所述业务知识图谱。
本申请实施例还提供了一种职业培训课程推荐装置，所述职业培训课程推荐装置包括：
用户画像构建模块，用于在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；
课程筛选模块，用于在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；
课程确定模块，用于对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频。
本申请实施例还提供一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过总线通信，所述机器可读指令被所述处理器执行时执行如上述的职业培训课程推荐方法的步骤。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如上述的职业培训课程推荐方法的步骤。
本申请实施例提供一种职业培训课程推荐方法、装置、电子设备及存储介质，所述职业培训课程推荐方法包括：在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频。本方案的有益效果为：通过根据兴趣爱好标签、学习动机信息以及岗位专业能力要求信息确定出目标用户的课程视频列表，从而使职业培训课程的推荐更准确，为企业培训的个性化学习提供了一种更优的推荐策略，避免了同质化的推荐内容，实现了千人千面的推荐结果。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种职业培训课程推荐方法的流程图；
图2为本申请实施例所提供的一种职业培训课程推荐方法的示意图；
图3为本申请实施例所提供的一种职业培训课程推荐装置的结构示意图之一；
图4为本申请实施例所提供的一种职业培训课程推荐装置的结构示意图之二；
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的每个其他实施例，都属于本申请保护的范围。
首先，对本申请可适用的应用场景进行介绍。本申请可应用于课程推荐技术领域。
经研究发现，在当前数字化时代，职业教育培训机构或企业大学纷纷走向数字化转型，将传统的线下企业培训转移到线上，并开设了众多的在线课程。在线课程系统需要具备个性化推荐功能，然而，传统的个性化推荐系统往往依赖于基于简单的用户行为数据、兴趣爱好进行推荐，并没有深入到实际业务需要进行推荐，以至于推荐效果不佳。所以如何提高职业培训课程推荐的准确性成为了不容小觑的技术问题。
基于此，本申请实施例提供了一种职业培训课程推荐方法，通过根据兴趣爱好标签、学习动机信息以及岗位专业能力要求信息确定出目标用户的课程视频列表，从而使职业培训课程的推荐更准确，为企业培训的个性化学习提供了一种更优的推荐策略，避免了同质化的推荐内容，实现了千人千面的推荐结果。
请参阅图1，图1为本申请实施例所提供的一种职业培训课程推荐方法的流程图。如图1中所示，本申请实施例提供的职业培训课程推荐方法，包括：
S101：在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签。
该步骤中，在多个数据表中采集到目标用户的数据，对目标用户的数据进行数据分析，生成目标用户的画像。
这里，目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签。
其中，数据表包括用户基础信息数据表、课程资源表、认证和考试记录表、用户课程轨迹表、用户认证轨迹表、用户考试轨迹表以及用户直播轨迹表等其他数据表。通过业务系统接口对接，或者通过接口方式从企业培训系统数据库导出多个数据表的相关表字段信息，并限定字段对应的数据格式为后续的用户画像的构建提供基础。
在一种可能的实施方式之中，对所述目标用户的数据进行数据分析，生成所述目标用户的画像，包括：
A：基于目标用户的基础信息数据，生成所述目标用户的基础信息标签。
这里，根据用户的基础信息数据生成目标用户的基础信息标签。
其中，用户的基础信息数据包括年龄、性别、岗位信息、专业职级、专业方向等其他信息，这些信息可以帮助了解用户的背景和职业特征。
在本方案中，还根据用户性别设定系统自动生成职业用户形象，包含女性的形象以及男性的形象，使用户的基础信息更鲜明，以正面形象结合岗位特点将用户形象显示位置在界面左侧上方位置。
B：对所述目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出所述目标用户的兴趣爱好标签。
这里，对目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出目标用户的兴趣爱好标签。
在具体实施例之中，以课程视频为例，课程视频的时长为60分钟，用户观看时长超过70%，即42分钟则定义为该用户有喜欢偏好，此时记录课程自身标签属性，喜欢偏好的记录次数为1；如，用户在观看次数中点赞一次，喜欢偏好记录的次数加1；如，用户在观看过程中分享一次，喜欢偏好的记录次数加1；以此类推，最终计算到用户兴趣画像标签以及对应的喜欢偏好的记录次数。
其中，兴趣爱好标签包括5G、人工智能、云计算、物联网等。
在一种可能的实施方式之中，在所述对所述目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出所述目标用户的兴趣爱好标签之后，所述职业培训课程推荐方法还包括：
将第一偏好相对应的兴趣爱好标签展示在所述目标用户的画像中的兴趣爱好标签展示区域的中心位置并设定第一显示字号进行显示，将第二偏好相对应的兴趣爱好标签展示在所述第一偏好相对应的兴趣爱好标签的周围并设定第二显示字号，将第三偏好相对应的兴趣爱好标签展示在第二偏好相对应的兴趣爱好标签的周围并设定第三显示字号，以此类推，直至展示完所有的兴趣爱好标签；
这里，将第一偏好相对应的兴趣爱好标签展示在目标用户的画像中的兴趣爱好标签展示区域的中心位置并设定第一显示字号对第一偏好对应的兴趣爱好标签进行显示，将第二偏好相对应的兴趣爱好标签展示在所述第一偏好相对应的兴趣爱好标签的周围并设定第二显示字号对第二偏好相对应的兴趣爱好标签进行显示，将第三偏好相对应的兴趣爱好标签展示在第二偏好相对应的兴趣爱好标签的周围并设定第三显示字号对第三偏好相对应的兴趣爱好标签进行显示，以此类推，直至展示完所有的兴趣爱好标签。
其中，所述第一偏好、所述第二偏好以及所述第三偏好依次减小，第一显示字号、第二显示字号以及第三显示字号依次减小。
具体的，在兴趣爱好标签构建时，不同于其它系统直接展示所有偏好或者按照次数统一显示大小，为方便用户感知自身，从纵向进行对比，取当前用户Top15的兴趣喜好标签，依次展示用户偏好；将最大偏好的兴趣爱好标签展示在最中心位置，设定显示字号26；次偏好的兴趣爱好标签展示显示在周围，设定显示字号24，第三偏好的兴趣爱好标签显示在更边缘位置，以此类推，直至展示完所有的兴趣爱好标签。
C：对所述目标用户的数据进行学习记录数据分析以及在线课程参与情况数据分析，确定出所述目标用户的学习统计标签；其中，所述学习统计标签反映所述目标用户的学习习惯、学习能力以及学习成果。
这里，对目标用户的数据进行学习记录数据分析以及在线课程参与情况数据分析，确定出目标用户的学习统计标签。
其中，所述学习统计标签反映所述目标用户的学习习惯、学习能力以及学习成果。
其中，根据目标用户的学习记录、在线课程参与情况等数据，构建用户的学习统计标签。这些学习统计标签可以反映用户的学习习惯、学习能力和学习成果，如学习时间、学习成绩等。在目标用户的画像中的学习统计标签展示区域对目标用户的学习统计标签进行展示，具体的，对用户的数据采集时间以固定周期为单位，采集用户的所有学习行为，包括已学课程数、认证次数、考试次数、直播次数，并通过统计计算课程完成率、认证通过率、考试通过率和直播最多观看次数，并进行无量纲化，使用数值或百分比形式展示学习数据统计标签。并设置约束，数值最小不低于0次，百分比最大不超过100%，异于约束的数据则认为是异常数据，在二次校验或数据处理阶段进行剔除。
D：基于所述目标用户的学习统计标签以及所述目标用户的学习记录，确定出所述目标用户的学习趋势标签；其中，所述学习趋势标签反映所述目标用户的学习速度以及学习重点。
这里，根据的学习统计标签以及目标用户的学习记录，确定出目标用户的学习趋势标签。
其中，所述学习趋势标签反映所述目标用户的学习速度以及学习重点。
这里，在目标用户的画像中的学习趋势标签展示区域对目标用户的学习趋势标签进行展示，具体的，以横坐标为产生数据点日期，纵坐标为实际学习时长，根据数据特征进行二维折线图等多种统计图表展示学习趋势的可视化展示，并默认指定半年/一年等统计时长，统计时长可按照近1月、近半年、近1年等快速切换，或系统支持用户使用交互性工具设定指定时间范围进行展示。目的在于观测出用户在周期时间内的学习趋势变化情况，以方便考虑后续的推荐和运营策略。
E：基于所述目标用户的职业背景、工作经历和以及所述学习记录，确定出所述目标用户的职业晋升路径标签；其中，所述职业晋升路径标签反映所述目标用户在职业发展中的职位晋升、所述岗位专业能力要求信息以及所述学习动机信息。
这里，根据目标用户的职业背景、工作经历和学习记录等数据，构建用户的职业晋升路径标签。这些职业晋升路径标签可以反映用户在职业发展中的成长轨迹和潜在机会，如职位晋升、岗位专业能力要求信息以及学习动机信息。
其中，岗位专业能力要求信息为用户所在的岗位所要求掌握的必须能力信息，学习动机信息为所述目标用户必学的课程视频信息，如企业文化的课程视频信息。
在一种可能的实施方式之中，在所述基于所述目标用户的职业背景、工作经历和以及所述学习记录，确定出所述目标用户的职业晋升路径标签之后，所述职业培训课程推荐方法还包括：
基于企业业务数据确定出所述目标用户的下一级岗位晋级等级，以及所述下一级岗位晋级等级的晋升要求信息；其中，所述晋升要求信息包括理论考试要求信息以及技能实操要求信息。
这里，根据企业业务数据确定出目标用户的下一级岗位晋级等级，以及下一级岗位晋级等级的晋升要求信息。
其中，所述晋升要求信息包括理论考试要求信息以及技能实操要求信息，理论考试要求信息以及技能实操要求信息也包括岗位专业能力要求信息以及学习动机信息。
这里，在目标用户的画像中的职业晋升路径标签展示区域对目标用户的职业晋升路径标签进行展示，具体的，支持后台数据库设定当前目标用户所在岗位的级别路径，如四级/三级/L1/L2/L3/L4/L5/L6，并根据返回的目标用户岗位级别数据在可视化界面显示当前所在级别如L1，并提示下一级晋级等级，以及岗位晋级要求，如：“下个晋升目标为晋升L2，需要通过《网大产品经理技能认证线上理由考试（二级）》、《天翼云从业者考试》和《省组织的面试》三项考核”。
F：将所述基础信息标签、所述兴趣爱好标签、所述学习统计标签、所述学习趋势标签以及所述职业晋升路径标签进行内容整合，生成所述目标用户的画像。
这里，将基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签进行内容整合，生成目标用户的画像。呈现完整的用户个人画像看板。该看板可以直观地展示用户的基础信息、兴趣爱好、学习统计、学习趋势和职业晋升路径，帮助用户更好地了解自己的学习和职业发展情况。
其中，用户画像构建模块包括数据分析单元、用户基础信息数据构建单元、兴趣爱好标签构建单元、学习统计标签构建单元、学习趋势标签构建单元以及职业晋升路径构建单元。数据分析单元采集目标用户的数据并进行数据分析，用户基础信息数据构建单元根据采集到的数据构建用户的基础信息数据；兴趣爱好标签构建单元根据用户的浏览记录、学习行为、点赞分享互动等数据构建用户的兴趣爱好标签；学习统计标签构建单元根据用户的学习记录、在线课程参与情况等数据构建用户的学习统计标签；学习趋势标签构建单元根据用户的学习记录和学习统计标签构建用户的学习趋势标签；职业晋升路径构建模块根据用户的职业背景、工作经历和认证考试情况等数据构建用户的职业晋升路径；将以上模块的内容整合起来，呈现完整的用户个人画像看板。
S102：在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息。
该步骤中，在预先建立的业务知识图谱以及多个数据表中筛选出目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表。
在一种可能的实施方式之中，通过以下方式建立所述业务知识图谱：
对企业的岗位专业能力发文资料、课程视频的结构化资料以及课程视频的非结构化资料通过自顶向下方式和自底向上方式构建所述业务知识图谱。
这里，对企业的岗位专业能力发文资料、课程视频的结构化资料以及课程视频的非结构化资料通过自顶向下方式和自底向上方式构建业务知识图谱。
在具体实施例之中，自顶向下的构建方式此方式适用于企业中对于岗位专业能力要求很明晰的岗位。（1）采集企业特定岗位发文资料：企业对岗位有专业能力要求文件，整理各个岗位的专业能力要求文件；发文资料包括但不限于excel/PDF等正式对岗位进行要求的文件资料。岗位要求文件包含内容需要包含但不限于岗位能力、通用能力、业务知识等三方面的具体要求。（2）构建本体图逻辑：根据知识工程的专业知识和企业岗位业务流转，构建岗位知识图谱的本体图；本体图包含实体类、关系类、关联关系的方向等。（3）文件统一格式转化：通过统一的数据处理方式，将专业能力要求文件转化为统一模板样式的表格文件，将PDF格式文件整理成系统可识别的Excel格式文件；（4）系统自动识别抽取实体三元组数据：系统自动抽取专业能力要求文件的实体数据和关系数据，形成实体三元组数据。（5）审核修订知识图谱：此时知识图谱已经构建完成，由业务专家审核知识图谱构建结果，并修订部分不合理知识图谱内容。
在另一具体实施例之中，自底向上的构建方式适用于企业中对于岗位专业能力不是很清晰，但有部分相关能力要求的岗位。在关于自底向上的构建方式中所采用的技术手段与上述自顶向下方式的构建过程大致相一致，唯一不同的是在自底向上的构建方式中的构建的知识图谱数据可能仅仅为三层，需要将后续层级的知识图谱补全。
在一种可能的实施方式之中，所述在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表，包括：
a：在多个所述数据表中的课程资源数据表筛选出与所述兴趣爱好标签相一致的多个课程视频，将多个所述课程视频构成所述第一职业培训课程视频列表。
这里，在多个数据表中的课程资源数据表筛选出与兴趣爱好标签相一致的多个课程视频，将多个课程视频构成第一职业培训课程视频列表。
b：在所述课程资源数据表中基于所述岗位专业能力要求信息以及所述目标用户的必学课程内容信息筛选出所述学习动机信息相对应的第二职业培训课程视频列表；
这里，在课程资源数据表中根据岗位专业能力要求信息以及目标用户的必学课程内容信息筛选出学习动机信息相对应的第二职业培训课程视频列表。
其中，学习动机信息为该用户必学的课程视频清单，包含全员必学课程视频和岗位业务要求的必学课程视频。
其中，目标用户的必学课程内容信息是企业要求的。
c：在所述业务知识图谱中确定出所述岗位专业能力要求信息相对应的所述第三职业培训课程视频列表。
这里，在业务知识图谱中确定出岗位专业能力要求信息相对应的第三职业培训课程视频列表。
S103：对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频。
该步骤中，对第一职业培训课程视频列表、第二职业培训课程视频列表以及第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向目标用户进行推荐的目标职业培训课程视频。
其中，课程打分处理为对处理后的职业培训课程视频列表中的课程视频在兴趣爱好标签、学习动机信息以及岗位专业能力要求信息的三个维度上进行课程打分。
在本方案中构建用户画像后，综合用户的兴趣爱好标签、岗位专业能力要求信息、企业要求的学习动机信息综合考虑，从海量视频列表中挖掘出符合用户需求的视频，并进行个性化推荐。
在一种可能的实施方式之中，所述对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频，包括：
I：对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理，确定出去重后的职业培训课程视频列表。
这里，对第一职业培训课程视频列表、第二职业培训课程视频列表以及第三职业培训课程视频列表进行课程去重处理，确定出去重后的职业培训课程视频列表。
II：对去重后的职业培训课程视频列表中已经学完的课程视频进行过滤，确定出候选职业培训课程视频列表。
这里，对去重后的职业培训课程视频列表中已经学完的课程视频进行过滤，确定出候选职业培训课程视频列表。
III：对候选职业培训课程视频列表中的课程视频在所述兴趣爱好标签、所述学习动机信息以及所述岗位专业能力要求信息的三个维度上进行课程打分处理，确定出候选职业培训课程视频列表中的课程视频在三个维度上的总分数。
这里，对候选职业培训课程视频列表中的课程视频在兴趣爱好标签、学习动机信息以及岗位专业能力要求信息的三个维度上进行课程打分处理，确定出候选职业培训课程视频列表中的课程视频在三个维度上的总分数。
其中，通过前面几步骤得到符合要求的候选职业培训课程视频列表P，此时按照《兴趣爱好》《学习动机》《岗位专业能力要求信息》三个维度的不同权重进行分数计算，其中：兴趣爱好标签H的权重为W1；学习动机信息M的权重为W2；岗位专业能力要求信息G的权重为W3，通过数据模拟后设置各个维度的权重系数和计算公式；
计算公式为：
其中，权重值不是固定的，可以根据实际情况进行调整，以提供最好的推荐结果，Ms为总分数。
IV：若所述总分数大于预设分数阈值，则将该总分数相对应的候选职业培训课程视频列表中的课程视频确定为所述目标职业培训课程视频。
这里，若总分数大于预设分数阈值，则将该总分数相对应的候选职业培训课程视频列表中的课程视频确定为目标职业培训课程视频，向目标用户进行推荐。
进一步的，请参阅图2，图2为本申请实施例所提供的一种职业培训课程推荐方法的示意图。如图2所示，根据兴趣爱好标签、学习动机信息以及岗位专业能力要求信息确定出第一职业培训课程视频列表、第二职业培训课程视频列表以及第三职业培训课程视频列表；对课程视频列表进行去重处理，确定出去重后的职业培训课程视频列表，对去重后的职业培训课程视频列表中已经学完的课程视频进行过滤处理，确定出候选职业培训课程视频列表，对候选职业培训课程视频列表进行课程打分处理确定出目标职业培训课程视频。
本申请实施例提供的一种职业培训课程推荐方法，所述职业培训课程推荐方法包括：在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频。通过根据兴趣爱好标签、学习动机信息以及岗位专业能力要求信息确定出目标用户的课程视频列表，从而使职业培训课程的推荐更准确，为企业培训的个性化学习提供了一种更优的推荐策略，避免了同质化的推荐内容，实现了千人千面的推荐结果。
请参阅图3、图4，图3为本申请实施例所提供的一种职业培训课程推荐装置的结构示意图之一；图4为本申请实施例所提供的一种职业培训课程推荐装置的结构示意图之二。如图3中所示，所述职业培训课程推荐装置300包括：
用户画像构建模块310，用于在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；
课程筛选模块320，用于在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；
课程确定模块330，用于对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频。
进一步的，用户画像构建模块310在用于对所述目标用户的数据进行数据分析，生成所述目标用户的画像时，用户画像构建模块310具体用于：
基于目标用户的基础信息数据，生成所述目标用户的基础信息标签；
对所述目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出所述目标用户的兴趣爱好标签；
对所述目标用户的数据进行学习记录数据分析以及在线课程参与情况数据分析，确定出所述目标用户的学习统计标签；其中，所述学习统计标签反映所述目标用户的学习习惯、学习能力以及学习成果；
基于所述目标用户的学习统计标签以及所述目标用户的学习记录，确定出所述目标用户的学习趋势标签；其中，所述学习趋势标签反映所述目标用户的学习速度以及学习重点；
基于所述目标用户的职业背景、工作经历和以及所述学习记录，确定出所述目标用户的职业晋升路径标签；其中，所述职业晋升路径标签反映所述目标用户在职业发展中的职位晋升、所述岗位专业能力要求信息以及所述学习动机信息；
将所述基础信息标签、所述兴趣爱好标签、所述学习统计标签、所述学习趋势标签以及所述职业晋升路径标签进行内容整合，生成所述目标用户的画像。
进一步的，如图4所示，所述职业培训课程推荐装置300包括兴趣爱好标签展示模块340，兴趣爱好标签展示模块340用于：
将第一偏好相对应的兴趣爱好标签展示在所述目标用户的画像中的兴趣爱好标签展示区域的中心位置并设定第一显示字号进行显示，将第二偏好相对应的兴趣爱好标签展示在所述第一偏好相对应的兴趣爱好标签的周围并设定第二显示字号，将第三偏好相对应的兴趣爱好标签展示在第二偏好相对应的兴趣爱好标签的周围并设定第三显示字号，以此类推，直至展示完所有的兴趣爱好标签；其中，所述第一偏好、所述第二偏好以及所述第三偏好依次减小。
进一步的，如图4所示，所述职业培训课程推荐装置300包括职业晋升路径标签模块350，职业晋升路径标签模块350用于：
基于企业业务数据确定出所述目标用户的下一级岗位晋级等级，以及所述下一级岗位晋级等级的晋升要求信息；其中，所述晋升要求信息包括理论考试要求信息以及技能实操要求信息。
进一步的，课程筛选模块320在用于所述在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表时，课程筛选模块320具体用于：
在多个所述数据表中的课程资源数据表筛选出与所述兴趣爱好标签相一致的多个课程视频，将多个所述课程视频构成所述第一职业培训课程视频列表；
在所述课程资源数据表中基于所述岗位专业能力要求信息以及所述目标用户的必学课程内容信息筛选出所述学习动机信息相对应的第二职业培训课程视频列表；
在所述业务知识图谱中确定出所述岗位专业能力要求信息相对应的所述第三职业培训课程视频列表。
进一步的，课程确定模块330在用于所述对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频时，课程确定模块330模块具体用于：
对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理，确定出去重后的职业培训课程视频列表；
对去重后的职业培训课程视频列表中已经学完的课程视频进行过滤，确定出候选职业培训课程视频列表；
对候选职业培训课程视频列表中的课程视频在所述兴趣爱好标签、所述学习动机信息以及所述岗位专业能力要求信息的三个维度上进行课程打分处理，确定出候选职业培训课程视频列表中的课程视频在三个维度上的总分数；
若所述总分数大于预设分数阈值，则将该总分数相对应的候选职业培训课程视频列表中的课程视频确定为所述目标职业培训课程视频。
进一步的，如图4所示，所述职业培训课程推荐装置300包括业务知识图谱构建模块360，业务知识图谱构建模块360用于：
对企业的岗位专业能力发文资料、课程视频的结构化资料以及课程视频的非结构化资料通过自顶向下方式和自底向上方式构建所述业务知识图谱。
本申请实施例提供的一种职业培训课程推荐装置，所述职业培训课程推荐装置包括：数据分析模块，用于在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；课程筛选模块，用于在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；课程确定模块，用于对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频。通过根据兴趣爱好标签、学习动机信息以及岗位专业能力要求信息确定出目标用户的课程视频列表，从而使职业培训课程的推荐更准确，为企业培训的个性化学习提供了一种更优的推荐策略，避免了同质化的推荐内容，实现了千人千面的推荐结果。
请参阅图5，图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示，所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令，当电子设备500运行时，所述处理器510与所述存储器520之间通过总线530通信，所述机器可读指令被所述处理器510执行时，可以执行如上述图1所示方法实施例中的职业培训课程推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
本申请实施例还提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的职业培训课程推荐方法的步骤，具体实现方式可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-OnlyMemory，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是：以上所述实施例，仅为本申请的具体实施方式，用以说明本申请的技术方案，而非对其限制，本申请的保护范围并不局限于此，尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (9)
1.一种职业培训课程推荐方法，其特征在于，所述职业培训课程推荐方法包括：
在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；
在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；
对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频；
所述对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频，包括：
对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理，确定出去重后的职业培训课程视频列表；
对去重后的职业培训课程视频列表中已经学完的课程视频进行过滤，确定出候选职业培训课程视频列表；
对候选职业培训课程视频列表中的课程视频在所述兴趣爱好标签、所述学习动机信息以及所述岗位专业能力要求信息的三个维度上进行课程打分处理，确定出候选职业培训课程视频列表中的课程视频在三个维度上的总分数；
若所述总分数大于预设分数阈值，则将该总分数相对应的候选职业培训课程视频列表中的课程视频确定为所述目标职业培训课程视频。
2.根据权利要求1所述的职业培训课程推荐方法，其特征在于，对所述目标用户的数据进行数据分析，生成所述目标用户的画像，包括：
基于目标用户的基础信息数据，生成所述目标用户的基础信息标签；
对所述目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出所述目标用户的兴趣爱好标签；
对所述目标用户的数据进行学习记录数据分析以及在线课程参与情况数据分析，确定出所述目标用户的学习统计标签；其中，所述学习统计标签反映所述目标用户的学习习惯、学习能力以及学习成果；
基于所述目标用户的学习统计标签以及所述目标用户的学习记录，确定出所述目标用户的学习趋势标签；其中，所述学习趋势标签反映所述目标用户的学习速度以及学习重点；
基于所述目标用户的职业背景、工作经历和以及所述学习记录，确定出所述目标用户的职业晋升路径标签；其中，所述职业晋升路径标签反映所述目标用户在职业发展中的职位晋升、所述岗位专业能力要求信息以及所述学习动机信息；
将所述基础信息标签、所述兴趣爱好标签、所述学习统计标签、所述学习趋势标签以及所述职业晋升路径标签进行内容整合，生成所述目标用户的画像。
3.根据权利要求2所述的职业培训课程推荐方法，其特征在于，在所述对所述目标用户的数据进行浏览记录分析、购买行为分析以及社交媒体互动分析，确定出所述目标用户的兴趣爱好标签之后，所述职业培训课程推荐方法还包括：
将第一偏好相对应的兴趣爱好标签展示在所述目标用户的画像中的兴趣爱好标签展示区域的中心位置并设定第一显示字号进行显示，将第二偏好相对应的兴趣爱好标签展示在所述第一偏好相对应的兴趣爱好标签的周围并设定第二显示字号，将第三偏好相对应的兴趣爱好标签展示在第二偏好相对应的兴趣爱好标签的周围并设定第三显示字号，以此类推，直至展示完所有的兴趣爱好标签；
其中，所述第一偏好、所述第二偏好以及所述第三偏好依次减小。
4.根据权利要求2所述的职业培训课程推荐方法，其特征在于，在所述基于所述目标用户的职业背景、工作经历和以及所述学习记录，确定出所述目标用户的职业晋升路径标签之后，所述职业培训课程推荐方法还包括：
基于企业业务数据确定出所述目标用户的下一级岗位晋级等级，以及所述下一级岗位晋级等级的晋升要求信息；其中，所述晋升要求信息包括理论考试要求信息以及技能实操要求信息。
5.根据权利要求1所述的职业培训课程推荐方法，其特征在于，所述在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表，包括：
在多个所述数据表中的课程资源数据表筛选出与所述兴趣爱好标签相一致的多个课程视频，将多个所述课程视频构成所述第一职业培训课程视频列表；
在所述课程资源数据表中基于所述岗位专业能力要求信息以及所述目标用户的必学课程内容信息筛选出所述学习动机信息相对应的第二职业培训课程视频列表；
在所述业务知识图谱中确定出所述岗位专业能力要求信息相对应的所述第三职业培训课程视频列表。
6.根据权利要求1所述的职业培训课程推荐方法，其特征在于，通过以下方式建立所述业务知识图谱：
对企业的岗位专业能力发文资料、课程视频的结构化资料以及课程视频的非结构化资料通过自顶向下方式和自底向上方式构建所述业务知识图谱。
7.一种职业培训课程推荐装置，其特征在于，所述职业培训课程推荐装置包括：
用户画像构建模块，用于在多个数据表中采集到目标用户的数据，对所述目标用户的数据进行数据分析，生成所述目标用户的画像；其中，所述目标用户的画像包括基础信息标签、兴趣爱好标签、学习统计标签、学习趋势标签以及职业晋升路径标签；
课程筛选模块，用于在预先建立的业务知识图谱以及多个所述数据表中筛选出所述目标用户的画像中的兴趣爱好标签相对应的第一职业培训课程视频列表、职业晋升路径标签中的学习动机信息相对应的第二职业培训课程视频列表以及职业晋升路径标签中的岗位专业能力要求信息相对应的第三职业培训课程视频列表；其中，所述学习动机信息为所述目标用户必学的课程视频信息；
课程确定模块，用于对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频；
课程确定模块在用于所述对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理、过滤处理以及课程打分处理，确定出向所述目标用户进行推荐的目标职业培训课程视频时，课程确定模块模块具体用于：
对所述第一职业培训课程视频列表、所述第二职业培训课程视频列表以及所述第三职业培训课程视频列表进行去重处理，确定出去重后的职业培训课程视频列表；
对去重后的职业培训课程视频列表中已经学完的课程视频进行过滤，确定出候选职业培训课程视频列表；
对候选职业培训课程视频列表中的课程视频在所述兴趣爱好标签、所述学习动机信息以及所述岗位专业能力要求信息的三个维度上进行课程打分处理，确定出候选职业培训课程视频列表中的课程视频在三个维度上的总分数；
若所述总分数大于预设分数阈值，则将该总分数相对应的候选职业培训课程视频列表中的课程视频确定为所述目标职业培训课程视频。
8.一种电子设备，其特征在于，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线进行通信，所述机器可读指令被所述处理器运行时执行如权利要求1至6任一所述的职业培训课程推荐方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如权利要求1至6任一所述的职业培训课程推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410176276.9A CN117743695B (zh) | 2024-02-08 | 2024-02-08 | 一种职业培训课程推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410176276.9A CN117743695B (zh) | 2024-02-08 | 2024-02-08 | 一种职业培训课程推荐方法、装置、电子设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117743695A CN117743695A (zh) | 2024-03-22 |
| CN117743695B true CN117743695B (zh) | 2024-06-11 |
Family
ID=90254865
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410176276.9A Active CN117743695B (zh) | 2024-02-08 | 2024-02-08 | 一种职业培训课程推荐方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117743695B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109461064A (zh) * | 2018-12-24 | 2019-03-12 | 税心懿 | 一种教育信息资源推荐系统 |
| CN110377804A (zh) * | 2019-06-20 | 2019-10-25 | 平安科技（深圳）有限公司 | 培训课程数据的推送方法、装置、系统及存储介质 |
| KR20220142850A (ko) * | 2021-04-15 | 2022-10-24 | 주식회사 클레슨 | 사용자 특성 및 컨텐츠 분석을 통한 학습 경로 추천 시스템 |
| WO2022237401A1 (zh) * | 2021-05-11 | 2022-11-17 | 浙江吉利控股集团有限公司 | 一种基于职业理想的教育方法及系统 |
| CN115860997A (zh) * | 2023-02-21 | 2023-03-28 | 山东心法科技有限公司 | 一种基于职业技能的人才培训管理方法、系统及介质 |
-
2024
- 2024-02-08 CN CN202410176276.9A patent/CN117743695B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109461064A (zh) * | 2018-12-24 | 2019-03-12 | 税心懿 | 一种教育信息资源推荐系统 |
| CN110377804A (zh) * | 2019-06-20 | 2019-10-25 | 平安科技（深圳）有限公司 | 培训课程数据的推送方法、装置、系统及存储介质 |
| KR20220142850A (ko) * | 2021-04-15 | 2022-10-24 | 주식회사 클레슨 | 사용자 특성 및 컨텐츠 분석을 통한 학습 경로 추천 시스템 |
| WO2022237401A1 (zh) * | 2021-05-11 | 2022-11-17 | 浙江吉利控股集团有限公司 | 一种基于职业理想的教育方法及系统 |
| CN115860997A (zh) * | 2023-02-21 | 2023-03-28 | 山东心法科技有限公司 | 一种基于职业技能的人才培训管理方法、系统及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117743695A (zh) | 2024-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2019174141A1 (zh) | 调查问卷生成方法、服务器及计算机可读存储介质 | |
| Imran et al. | PLORS: a personalized learning object recommender system | |
| US20180232751A1 (en) | Internet system and method with predictive modeling | |
| US11776080B2 (en) | Automatically generating a personalized course profile | |
| Yin et al. | Exploring the relationships between reading behavior patterns and learning outcomes based on log data from e-books: A human factor approach | |
| US20110212430A1 (en) | Teaching and learning system | |
| US9026594B2 (en) | Method and system for determining user impact on their content pools within an online social network | |
| US20110173225A1 (en) | Learning management system portal | |
| CN115841402B (zh) | 一种针对安全生产的数字化培训方法、系统、介质及设备 | |
| US9501580B2 (en) | Method and apparatus for automated selection of interesting content for presentation to first time visitors of a website | |
| US20170061344A1 (en) | Identifying and mitigating customer churn risk | |
| ANDRADE et al. | Active Methodology, Educational Data Mining and Learning Analytics: A Systematic Mapping Study. | |
| Zhou et al. | Prediction of learners’ dropout in E-learning based on the unusual behaviors | |
| US20190236718A1 (en) | Skills-based characterization and comparison of entities | |
| Liu et al. | Mining big data to help make informed decisions for designing effective digital educational games | |
| CN113656687A (zh) | 基于教研数据的教师画像构建方法 | |
| Hai-Jew | Online Survey Design and Data Analytics: Emerging Research and Opportunities: Emerging Research and Opportunities | |
| KR101846122B1 (ko) | 빅데이터 분석을 활용한 공모전 관리 시스템 | |
| Jayakody et al. | Enhancing competencies of less-able students to achieve learning outcomes: Learner aware tool support through Business intelligence | |
| CN117743695B (zh) | 一种职业培训课程推荐方法、装置、电子设备及存储介质 | |
| US20200160359A1 (en) | User-experience development system | |
| US20220343405A1 (en) | Web-Based Platform for the Delivery and Distribution of Educational Materials | |
| Pereira et al. | Application of a management and storage system for knowledge generated from simulation projects as a teaching and assessment tool | |
| CN114328667A (zh) | 一种基于履职数据的大学院系画像模型的构建及系统 | |
| Abbott | The program evaluation prism: Using statistical methods to discover patterns |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |